Mercury 2 (medium) vs Step 3.7 Flash (low)

Model yang direkomendasikan Mercury 2 (medium)

Its score stays close to the best score here (7.0 vs 7.3), while costing about 4.9x less than Step 3.7 Flash (low).

Perbandingan terperinci

Metrik	Mercury 2 Mercury 2 medium Rilis: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29

Metrik	Mercury 2 Mercury 2 medium Rilis: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor	7.0	7.3
Peringkat	#86	#75
Keandalan	10.0	10.0
Konsistensi	8.8	8.1
Tes benar
Tingkat lulus per percobaan	51.5%	68.2%
Tes tidak stabil	3	5
Total Run	66	66
Biaya per hasil	0.928	3.782
Total Biaya	$0.093	$0.454
Harga input	$0.250 / 1M	$0.200 / 1M
Harga output	$0.750 / 1M	$1.150 / 1M
Total token input	109,572	103,833
Token output	10,313	376,581
Token penalaran	76,806	0
Waktu respons (rata-rata)	2.72s	20.68s
Waktu respons (maks)	14.63s	124.75s
Waktu respons (total)	57.12s	455.01s

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

medium

low

SVG tidak valid

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2	2.9	7.2	11.1%	1		6.48s	695	41	30,754
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Ganti Pasangan Perbandingan